0 弁言
目前，伴随着光电技能和图像处理技能的快速发展，越来越多的光电技能以及数字图像处理技能被运用到人们的生活当中，在工业领域中的运用也在不断得到推广。图像处理技能以其无打仗检测办法、低本钱和高可靠性等优点在工业过程监测以及产品残缺检测等方面备受关注。本文提出的视频断线检测系统是依据纺纱企业对生产需求而设计出来的。
在海内纺纱工业中，一些家庭式作坊仍旧有一部分采取肉眼不雅观察的办法来检测纺纱过程中的断线情形，不仅效率低而且劳动强度大，须要较多的人力。在大规模的生产环境下，海内纺纱断线检测方法紧张采取基于压电式的检测装置和红外断线监测器等。个中，基于压电式的检测装置除了操作繁芜影响效率外，检测环境的噪声也随意马虎对传感器造成影响从而形成误判；红外断线监测器事理大略，操作简便，但是生产过程中纱线跳线、振动等征象亦对检测带来影响。
因此，在当前海内纺纱企业对生产环境中灰尘、温度和湿度高哀求的背景下，基于TMS320DM642视频断线检测系统通过采集纱线的图像，对每帧图像不同区域进行局部图像处理，然后统计不同区域的纱线总数，最后进行综合判据得出检测结果，若存在断线则触发蜂鸣器报警并停滞机器，否则连续正常运行[1-4]。文中采取局部图像处理方法有效地减少了处理数据量，有利于系统实时性的提升，并综合局部区域的检测情形进行剖断，使检测结果更加可靠。
1 视频断线检测系统设计与实现
视频断线检测系统可分为硬件部分和软件部分，个中硬件部分紧张有前端视频采集模块、视频处理模块、报警与掌握模块和视频显示模块等，软件部分则包含图像处理模块以及断线剖断模块[5]。
1.1 视频断线检测系统事理
系统采取高分辨率的CCD图像传感器对纺纱图像进行实时采集，采集到的图像由A/D转换后，传输到TMS320DM642处理器进行图像处理以及识别剖断，终极向纺纱机床发送是否断线的旗子暗记并通过D/A转换后将视频传输到显示器进行显示。
1.2 硬件组成部分与设计
视频断线检测系统的硬件部分紧张由图像采集模块、图像处理模块、报警和掌握模块、图像显示模块组成。系统硬件构造如图1所示。
1.2.1 TMS320DM642图像处理模块
TMS320DM642在体系构造上采取Veloci TI超长指令构造，可以单周期发射多条指令，实现指令级并行，效率很高。采取两级缓存构造，在无CPU参与情形下，64位的EDMA掌握器可以完成映射存储空间中的数据搬移，有利于提高系统的并行性能。同时，TMS320DM642还具有丰富的接口，例如有3个可配置的视频端口（VP0、VP1、VP2）、64位的外部内存接口（EMIF）、多通道缓冲串行端口（McBSP）、I2C总线端口等。
该模块的紧张功能是：由EDMA将采集到的视频图像数据搬运到CPU，然后CPU对数字视频信息进行局部的中值滤波、阈值化等预处理，然后再对局部横坐标上纱线数目进行统计并对三个局部处理结果进行综合剖断后，将处理结果传输到输出模块，通过直不雅观的形式给用户供应干系的视频信息，同时将处理结果的数据通过GPIO口传输到报警模块，从而实现显示与报警的功能。
1.2.2 视频图像采集与输出模块实现
该系统视频图像采集模块紧张通过CCD摄像头以及视频解码芯片TVP5150来实现，由于DM642的3个视频接口都可以分为A和B两个通道，故可支持6路视频的输入或者输出。
本文中采取个中4路视频旗子暗记采集通道，详细配置为：VPort0、VPort1均配置为输入模式，VPort2则配置为输出模式。采集到的视频旗子暗记通过视频解码芯片TVP5150按照YCbCr4：2：2格式转换为数字旗子暗记。视频图像采集模块的硬件连接如图2所示。
当系统开始事情时，视频图像采集模块通过解码BT.656得到YCbCr4：2：2格式的图像数据，并由EDMA将数据传输到SDRAM中进行存储，CPU通过访问SDRAM中的图像数据进行干系的图像算法处理。个中DM642与TVP5150之间的通信紧张通过I2C总线实现。
视频输出模块采取了SAA7121视频编码芯片进行视频编码，然后由显示器对图像进行显示。该系统将VPort2设置为输出通道，当VPort2的A通道作为8位BT.656显示时，由DM642的VP2CTL0管脚供应行同步旗子暗记，DM642的VP2CTL1管脚供应场同步旗子暗记，而LLC旗子暗记则由DM642的VP2CLK0管脚供应。从DM642的VP2D（2~9）到SAA7121的MP（0~7）之间进行视频旗子暗记的传输，DM642对SAA7121的访问与掌握也是通过I2C总线来实现。系统上电后，DM642通过I2C总线对SAA7121进行初始化以及寄存器的配置，为系统的视频显示做好准备。
1.2.3报警与掌握模块的设计与实现
在视频断线检测系统中，哀求能够及时相应断线检测的情形并掌握操作台运转，以便工人对断线情形进行处理。系统将由DM642实时处理完成的图像视频并实时输出到显示屏，方便工人第一韶光知道断线位置；同时将目标数据通过GPIO口传送到报警与掌握模块，根据报警决策来触发蜂鸣器以及实现对操作台运转的掌握。报警与掌握模块由增强型89C51单片机以及蜂鸣器电路和掌握电路组成，该模块电路图如图3所示。
当通过视频检测知足断线条件后，立即触发蜂鸣器报警并掌握继电器来对操作台的运行情形进行掌握，从而实现一个工人可同时操作多台机器的模式，提高纺纱工业的效率。
2 系统软件部分设计
系统上电往后，DM642首先从Flash中加载运行程序，对紧张芯片、干系寄存器以及外围设备进行初始化，然后通过CCD摄像头对视频图像进行采集，并将图像数据传输到解码器TVP5150中，视频仿照旗子暗记经由解码器TVP5150的嵌位、抗混叠滤波A/D转换和YUV分离后，变成BT.656格式的视频数据流传送到DM642视频口，再由DM642视频口解码BT.656，得到YCbCr4：2：2格式的视频数据，通过EDMA将视频数据搬运到SDRAM中进行存储。而CPU则通过访问SDRAM中的图像数据并对数据进行图像处理以及对结果进行剖断后，将处理完的图像数据经SAA7121编码后由显示器显示，并传送剖断旗子暗记给89C52来决定是否触发蜂鸣器报警且停滞机台运转。全体系统软件的流程图如图4所示。
考虑到系统在检测过程中对实时性的哀求，文中首次采取了局部图像处理的方法来减少运算量从而有效提升系统的实时性。在局部图像处理中紧张采纳图像灰度化、中值滤波等预处理、开运算等图像处理方法，然后再综合局部图像成分对断线状态进行剖断。个中所提到的局部图像处理则是在一帧图像中选取纵坐标为150、300、450作为检测中央，以检测中央高下取5个像素点的范围为局部图像处理区域，检测区域如图5所示。
系统软件算法紧张步骤如下：
（1）图像处理部分[6-8]
文中紧张对图像进行灰度化、中值滤波以及阈值化等预处理。通过对图像进行灰度化，以便减少算法的耗时；由于生产过程中，纱线存在抖动征象以及环境成分滋扰，采取中值滤波方法对图像进行处理，可以有效抑制脉冲滋扰和椒盐噪声；为了滤除其他外界的滋扰，采取OTSU法对图像进行阈值化处理来区分派景与纱线，从而有利于后面对纱线数目的统计。
在对图像进行以上图像预处理后须要对二值化图像进行堕落处理，而在堕落处理过程中，构造元素的选择是图像堕落效果的关键。考虑到二值化后图像中常日存在一些离散的眇小噪点，结合纱线一样平常呈竖直状态，因此，选取1×3的构造元素可以有效去除噪声而且还可以减少打算量。图6为二值化图像进行堕落前后的图像。
（2）断线检测与识别
在对视频图像进行局部图像处理后，文中通过对处理后图像中150、300、450处的X轴方向上的纱线条数进行统计（设分别为N1、N2、N3），并假设未断线时纱线的总条数为N，则由式（1）可知局部区域是否存在断线可能。
f（Ni）=1，Ni>N或Ni<N（个中i=1，2，3）0，else（1）
由式（1）可以看出，当f（Ni）为1时，解释在该局部区域内可能存在断线，否则相反。
（3）综合判据[9]
根据实验验证情形，文中对一帧图像在坐标为150、300、450处进行图像局部处理，通过对几处区域分别进行纱线总数统计，末了得出检测结果。系统检测到局部疑似断线次数p可由式（2）表示：
p=f（Ni） （i=1，2，3）（2）
由于在纺纱过程中纱线处于绷紧状态，因此如果存在断线情形，局部区域的纱线总数必定不会即是N，然后设定阈值T为2，若p小于T，则表示没有断线，否则存在断线情形，系统触发蜂鸣器报警并停滞机床运行。
3 实验与结果剖析
为了能够减少环境对检测过程的影响，在实验过程中将低廉甜头挡板固定在纱线与机台之间，作为视频断线检测图像采集区域的背景。图7为在低廉甜头挡板背景下采集到的图像示意图。系统以TMS320DM642作为图像处理平台，所采集到的图像大小为720×480。
实验过程等分别采取局部图像处理方法和整体图像处理方法进行反复实验，不雅观察两种方法的处理结果并记录它们各自处理一帧图像所耗费的韶光来剖析它们的性能。由图8中两种方法的图像处理比拟图可以看出，采取局部图像处理方法对处理效果影响不大，但通过表1中的数据剖析可知，在同一平台下处理相同长度图像时，基于局部图像处理方法的算法比采取整体图像处理算法明显耗时少。因此，文中采取局部图像处理的方法很大程度上减少了打算量，有助于提升系统实时性。
在检测过程中，将图像处理后的结果输出到显示屏上，方便工人确定断线位置，并通过软件设置来监测每个局部区域检测到的纱线条数，显示效果以及检测结果如图9所示。
由图9可知，在三个局部区域检测纱线总数都为46时，机床仍正常事情且蜂鸣器未涌现报警征象；当三个局部区域检测到有两个及以上区域纱线总数小于46时，蜂鸣器被触发且机床停滞事情；而三个局部区域若只检测到一个区域纱线总数小于46时，考虑到纺纱过程中，纱线一旦断线则纱线位置该当为空缺，因此此类情形可能是纱线存在颜色滋扰或是受外界滋扰所致，系统不产生警报。
通过与参考文献[10]中提出的检测方法比拟创造，文中提出的视频断线检测方法不仅可以及时准确地检测出断线情形，而且可以更直不雅观地显示断线位置，便以提升工人的事情效率，对付不同型号的纺纱机床无需进行专门改进，通用性好。
4 结论
文中针对纺纱工业生产过程中传统断线检测技能的不敷提出了一种基于视频断线检测的系统，该系统以TMS320DM642为图像算法处理平台，结合局部图像处理算法以及对结果的综合判据来对断线情形进行检测，该系统具有良好的实时性并且拥有友好的人机交互界面。经由反复的实验验证，该系统可以有效地检测出纺纱中的断线情形，且可靠性强、准确率高、通用性好，无需对纺纱机床做改进，即可适用于不同机台类型。而对付纺纱工业中，基于视频检测方法对付不同材质的纱线的毛病检测将是未来的一个研究重点。
参考文献
[1] RAHEJA J L， AJAY B， CHAUDHARY A. Real time fabric defect detection system on an embedded DSP platform[J]. Optik-International Journal for Light and Electron Optics， 2013， 124（21）：5280-5284.
[2] MUSA E. Line laser-based break sensor that detects light spots on yarns[J]. Optics and Lasers in Engineering， 2009，47（7-8）：741-746.
[3] NATERI A S， EBRAHIMI F， SADEGHZADE N. Evaluation of yarn defects by image processing technique[J]. Optik -International Journal for Light and Electron Optics， 2014，125（20）：5998-6002.
[4] NGAN H Y T， PANG G K H， YUNG N H C. Automated fabric defect detection-a review[J]. Image and Vision Computing， 2011，29（7）：442-458.
[5] 李晓沛，周小勇，马军山.基于Tms320dm642实时手势识别系统的研究[J].光学仪器，2011，33（6）：53-57.
[6] BAPTISTA P， CUNHA T R， GAMA C， et al. A new and practical method to obtain grain size measurements in sandy shores based on digital image acquisition and processing[J]. Sedimentary Geology， 2012，282：294-306.
[7] 姜慧研，司岳鹏，雒兴刚.基于改进的大津方法与区域成长的医学图像分割[J].东北大学学报：自然科学版，2006，27（4）：398-401.
[8] 程培英.一种新颖的Ostu图像阈值分割方法[J].打算机运用与软件，2009，26（5）：228-231.
[9] 王琳，李爱国，王新年，等.基于多特色领悟的早期失火烟雾检测[J].大连海事大学学报，2014，40（1）：97-100.
[10] 陈峰.基于单片机的纺纱断线检测掌握装置[J].当代电子技能，2013，36（11）：122-124.
